第1章 绪论 1
1.1人工脑的含义 1
1.1.1人工脑的概念及功能 1
1.1.2人工脑的定义 2
1.1.3人工脑与超级计算机 3
1.2人脑的信息模型 5
1.2.1人脑的结构 5
1.2.2大脑皮层功能区 7
1.2.3人脑信息处理机制 9
1.2.4学习记忆机制 11
1.3人脑与电脑的比较 15
1.3.1人脑与电脑功能的差别 15
1.3.2人脑与电脑的优缺点 15
1.3.3电脑的未来 17
1.4人工脑的发展 18
1.4.1早期的机器智能研究 19
1.4.2计算机仿真进化模型 20
1.4.3人工神经网络与智能信息处理 21
1.4.4细胞自动机 23
1.4.5日本第五代智能计算机 24
1.4.6第六代电子计算机——神经计算机 25
1.4.7 ATR的“细胞自动机-仿脑计划” 26
1.4.8其他尝试 27
1.5研究方法实现技术 30
1.5.1生命科学基本概念 30
1.5.2神经工程 32
1.5.3人工神经网络 34
1.5.4误差反向传播 34
1.5.5知识涌现 35
1.5.6 ATR细胞自动机-仿脑的实现 36
1.5.7发展预测 38
1.6展望 38
1.6.1硬件方面 39
1.6.2软件方面 40
1.6.3研究方向 41
参考文献 42
第2章 人工脑信息处理神经网络模型 43
2.1人工神经网络模型 43
2.2前向网络 44
2.3前向神经网络的分类（能力）模型 47
2.4应用BP学习算法进行模式分类的隐患定理 50
2.5一种新的多层感知神经网络模式分类模型 51
2.6分式线性神经网络及其非线性逼近能力研究 57
2.6.1分式线性神经网络 57
2.6.2分式线性神经网络的非线性逼近能力 59
2.6.3分式线性神经网络的BP学习算法 62
2.6.4分式线性神经网络与BP神经网络在无界区域上逼近能力的比较 71
2.6.5无界区域上的映射逼近仿真实验 74
2.7基于遗传算法的分式线性神经网络优化设计与应用 77
2.7.1遗传算法 77
2.7.2基于遗传算法的分式线性神经网络BP算法设计 90
2.7.3基于遗传算法的分式线性神经网络的大庆降雨量预测模型 100
2.8基于神经网络的广域上非线性连续映射分块并行建模方法的研究 109
2.8.1广域上非线性连续映射分块并行建模的必要性 109
2.8.2广域上非线性连续映射的神经网络分块并行模型 112
2.8.3小结 116
2.9基于虚拟信源和神经网络的无损数据压缩方法的研究 117
2.9.1 0与1字符串的虚拟信源 118
2.9.2虚拟信源的一种神经网络模型 119
2.9.3基于虚拟信源的无损数据压缩原理 119
2.9.4实验结果 120
2.10本章小结 121
参考文献 121
第3章 人工脑的基于同源同类事物连通本性的模式识别模型 123
3.1仿生模式识别的两个关键技术问题研究 123
3.1.1同类事物连续（连通）通路、方向的确定 125
3.1.2判定高维空间中一点Z是否属于满意覆盖体？Vj的技术 126
3.1.3应用实验 131
3.2基于同源同类事物连通本性的认证识别神经网络 133
3.2.1同源同类事物连通连网排序技术 134
3.2.2超香肠神经元构造和优先度排序超香肠覆盖神经网络设计 135
3.3基于同源同类事物连通本性的模式分类SLAM模型 139
3.3.1通用前馈网络拓扑结构 141
3.3.2保同源同类事物局部直接连通的模式分类SLAM模型 142
3.3.3实验与分析 147
3.3.4小结 149
3.4基于同源同类事物连通本性的分块并行优先度排序神经网络 149
3.4.1训练样本连通连网排序 150
3.4.2分块并行优先度排序神经网络拓扑结构 150
3.4.3基于同源同类事物连通本性的分块并行优先度排序神经网络算法 150
3.5基于同源同类事物连通本性的分块并行优先度排序RBF神经网络 154
3.5.1基于同源同类事物连通本性的优先度排序RBF网络的拓扑结构 155
3.5.2基于同源同类事物连通本性的优先度排序RBF网络的训练算法 155
3.5.3新增样本的增量学习 158
3.6基于同源同类事物连通本性的分块并行优先度排序DBF神经网络 162
3.7基于同源同类事物连通本性的分块并行优先度排序通用高阶神经网络 163
3.8基于同源同类事物连通本性的分块并行优先度排序SVM 169
3.8.1训练样本连通排序 170
3.8.2分块并行优先度排序SVM拓扑结构 170
3.8.3基于同源同类事物连通本性的分块并行优先度排序SVM算法 170
3.9模式可拓识别与模式可拓识别神经网络模型 174
3.9.1模式可拓识别方法 175
3.9.2高维模式可拓识别的一种神经网络模型 179
3.9.3小结 180
参考文献 180
第4章 人工脑感知联想记忆模型 183
4.1时变容错域的感知联想记忆模型及其实现算法 183
4.1.1时变容错域的四层感知联想记忆模型及其实现算法 184
4.1.2时变容错域感知联想记忆模型的遗忘与记忆扩充 191
4.1.3仿真实验与讨论 193
4.1.4小结 196
4.2人工脑可控容错域的联想记忆模型与仿真实现 197
4.2.1可控容错域联想记忆的样本容错域设计 197
4.2.2可控容错域联想记忆模型的分块并行确定方法 199
4.3本章小结 200
参考文献 200
第5章 人工脑具有期望容错域的联想记忆模型的设计方法 202
5.1人工脑具有期望容错域的前向掩蔽联想记忆模型的设计方法 202
5.1.1引言 202
5.1.2前向掩蔽联想记忆模型的样本任意期望容错域设计 204
5.1.3期望容错域的前向掩蔽联想记忆模型拓扑结构 205
5.1.4期望容错域的前向掩蔽联想记忆模型确定的排序学习算法 207
5.1.5小结 212
5.2人工脑具有期望时变容错域的联想记忆模型的设计方法 212
5.2.1联想记忆模型的样本任意期望容错域设计 213
5.2.2联想记忆模型的拓扑结构 214
5.2.3基于排序学习与增量学习相结合的联想记忆模型确定 214
5.2.4小结 221
5.3具有期望容错域的超弦星系联想记忆模型的设计方法 221
5.3.1超弦理论与联想记忆 221
5.3.2超弦星系联想记忆模型的样本任意期望容错域设计 223
5.3.3期望容错域的超弦星系联想记忆模型拓扑结构 224
5.3.4期望容错域的超弦星系联想记忆模型确定 227
5.3.5遗忘与记忆扩充算法 234
5.3.6联想记忆模型实例 235
5.3.7小结 238
参考文献 239
第6章 人工脑拟人处理矛盾的物元动态系统模型化方法 241
6.1广义物元系统可拓集的概念 241
6.2广义物元系统可拓集的运算 243
6.3广义物元系统可拓集的限制 244
6.4广义限制物元系统和广义限制物元系统可拓关系 246
6.5广义问题的概念 247
6.6广义问题的模型 248
6.7广义问题求解 248
6.7.1对立问题的转换及转折解法 248
6.7.2不相容问题转换及转折解法 249
6.7.3不相容关系问题的转换及转折解法 250
6.7.4广义问题求解过程 251
6.7.5广义问题求解算法 251
6.8物元可拓集中面向实际的关联函数建立方法 255
6.9物元系统与或网及拟人推理 264
6.9.1物元系统与或网概念及特点 264
6.9.2基于物元系统与或网的拟人推理 270
6.10本章小结 277
参考文献 277
第7章 人工鱼的广义模型 279
7.1人工鱼模型概述 279
7.2扩展的人工鱼模型 282
7.3人工鱼的局部运动规律建模和模型的随机连续切换 283
7.4叼食物行为运动规律模型 286
7.5人工鱼社会行为系统 291
7.6本章小结 294
参考文献 294
第8章 结论与展望 295